机器人 VLA 进展正由可执行控制来衡量
本周，机器人 Vision-Language-Action (VLA) 工作按可执行控制来评判。最有力的证据把性能收益与 3D 锚定、闭环世界模型，以及能降低真实机器人误差的动作头联系起来。Dex-BEV、PiL-World 和 ActionMap 在基准和硬件上都显示了这一模式。
主题概况
Action Representation
机器人策略接口校准
机器人 VLA 团队可以通过调整现有策略周围的控制接口和评估流程取得进展。最实用的做法包括：用于低数据操作调优的体素热图动作头、用于 VLA checkpoint 筛选的闭环世界模型，以及在混合机器人数据集训练前进行 3D 坐标对齐。
机器人策略的提升来自动作接口和执行约束
这一天的机器人策略工作集中在可执行动作设计上。Vision-Language-Action（VLA）论文在动作头、潜在动作对齐、任务适配器和机载延迟上做调整。最强信号很实际：更高的 LIBERO 成功率、更低的 Franka 误差，以及 10 Hz 的闭环目标，和模型大小一样重要。
VLA action interface evaluation
机器人操作团队现在可以在动作接口上做具体测试：把点解码器换成体素热图，按 token 和动作生成成本分析 VLA 延迟，以及在没有动作标签时，用提示词加短视频生成任务 LoRA 适配器。值得做的检查很窄：动作头要在相同预算下跑 LIBERO 和 Franka 试验，边缘硬件要做 10 Hz 闭环分析，任务适配要在保留任务上明确报告对象和长时序任务的失败。